概要
人間の目は通常、わかりやすい写真の内容と意味を読み取ることができます。現在では、生成AIが膨大な量のデータを識別・解釈できるようになったことで、コンピュータ・システムでもこのタスクを再現できるようになりました。
このソリューションでは、ユーザーが画像をアップロードし、画像に関する問い合わせを説明する自然言語プロンプトを入力して、AIモデルによって生成されたテキストベースのレスポンスを受け取ることができる、基本的な画像テキスト変換アプリの作成方法を示します。Streamlitで構築したシンプルなインターフェース、base64画像デコーダー、そしてマルチモーダル・データ（テキストと画像）の処理にOracle Cloud Infrastructure（OCI）Generative AI推論APIを活用することで、簡単に構築でき、OCI上でAIサービスを試すための理想的な入口となります。
デモ
前提条件および設定
- Oracle Cloudアカウント—サインアップ・ページ
- OCIの生成AI—ドキュメント
- Streamlit—ドキュメント